R/data.table: separate columns and count occurrences
我有一个很大的 data.table(这里只显示五行)。
|
1
2 3 4 5 6 |
taxpath N
Bacteroidetes; Flavobacteriia; Flavobacteriales; Flavobacteriaceae; Formosa; Formosa sp. Hel3_A1_48; 57 Bacteroidetes; Flavobacteriia; Flavobacteriales; Cryomorphaceae; NA; Cryomorphaceae bacterium BACL29 MAG-121220-bin8; 54 Proteobacteria; Alphaproteobacteria; Pelagibacterales; Pelagibacteraceae; Candidatus Pelagibacter; NA; 53 Proteobacteria; Alphaproteobacteria; Pelagibacterales; NA; NA; NA; 41 Planctomycetes; NA; NA; NA; NA; Planctomycetes bacterium TMED84; 41 |
第一列是taxpath(门、纲、目、科、属、种从左到右)，第二列是N，每条税路出现的频率。
我想做的是用分号分隔每个税路并使用第一个条目。
我想计算每个门等级(第一等级，即拟杆菌门、变形菌门或平面霉菌门)出现的频率。但是，此数字应乘以 N 列中的值。
所以，我所期望的或多或少是这样的。
|
1
2 3 4 |
phylum Nnew
Bacteriodetes 111 Proteobacteria 94 Planctomycetes 41 |
你能帮我如何在列中进行拆分，并且 – 我想 – group-by 与列 N 相乘吗？
(PS：稍后，我也想对列 taxpath 中的其他元素也这样做，但我认为将其分配到单独的表中更容易)
- 问题的第二部分不清楚。你能显示预期
- 例如，Proteobacteria 出现在两行(第 3 行和第 8 行)中。第 3 行的值为 53，第 8 行的值为 41。我期望的输出是 column phylum 具有条目 proteobacteria，而 Nnew 列的值为 94(53 41)。清楚我的意思吗？
- 你能检查更新的代码吗
- 根据示例，我得到 Bacteriodetes 为 326
- 谢谢，我已将输入数据缩短为 5 行而不是 10 行。
- 没问题，我的输出是基于你之前展示的 10 行
- 太好了，非常感谢。
这个标记为 data.table 所以这里是一个简单的 data.table 解决方案。
|
1
2 3 4 5 6 |
library(data.table)
DT[, .(Nnew = sum(N)), by = sub(“;.*”,””, taxpath)] # sub Nnew # 1: Bacteroidetes 111 # 2: Proteobacteria 94 # 3: Planctomycetes 41 |
我们在 by 语句中动态提取 taxpath 的第一部分时基本上对 N 求和
数据
|
1
2 3 4 5 6 |
DT <- fread(“taxpath\\t N
Bacteroidetes; Flavobacteriia; Flavobacteriales; Flavobacteriaceae; Formosa; Formosa sp. Hel3_A1_48;\\t 57 Bacteroidetes; Flavobacteriia; Flavobacteriales; Cryomorphaceae; NA; Cryomorphaceae bacterium BACL29 MAG-121220-bin8;\\t 54 Proteobacteria; Alphaproteobacteria; Pelagibacterales; Pelagibacteraceae; Candidatus Pelagibacter; NA;\\t 53 Proteobacteria; Alphaproteobacteria; Pelagibacterales; NA; NA; NA;\\t 41 Planctomycetes; NA; NA; NA; NA; Planctomycetes bacterium TMED84;\\t 41″) |
我们可以用separate将\\’taxpath\\’根据分隔符;拆分成指定列，按\\’phylum\\’分组，得到\\’N\\’的sum
|
1
2 3 4 5 6 7 8 9 10 11 12 13 |
library(tidyverse)
newcols <-c(“phylum”,”class”,”order”,”family”,”genus”,”species”) df1 %>% mutate(taxpath = sub(“;$”,””, taxpath)) %>% separate(taxpath, into = newcols, sep=”;\\\\s*”) %>% group_by(phylum) %>% summarise(Nnew = sum(N)) # A tibble: 3 x 2 # phylum Nnew # <chr> <int> # 1 Bacteroidetes 326 # 2 Planctomycetes 41 # 3 Proteobacteria 94 |
来源：https://www.codenong.com/50333127/
